極化式與金字塔式訓練分布之比較：對自行車閾值功率與有氧耐力的影響

定義訓練強度分布

自行車運動中訓練強度分布（TID）的量化，仰賴以代謝與呼吸閾值為基礎所定義的標準化三區間生理框架 [1, 15]：

• 第 1 區間（低強度）：低於第一通氣閾值或乳酸閾值（VT1/LT1）的運動負荷，此時血乳酸維持在接近基準值的水準 [1, 10, 15]。LT1 通常出現在最大有氧功率（MAP）的 52% 左右，約相當於功能性閾值功率（FTP）的 65–70% [10]。
• 第 2 區間（中等/閾值強度）：介於 LT1/VT1 與第二通氣或乳酸閾值（VT2/LT2/MLSS/FTP）之間的中間範圍，對應節奏（tempo）與甜區（sweet-spot）強度，此時血乳酸升高但維持穩定 [1, 9, 10, 15]。
• 第 3 區間（高強度）：高於 VT2/LT2（血乳酸約 4 mmol/L）的運動負荷，其特點是體內恆定迅速失衡以及非穩態乳酸動力學 [1, 10, 15]。

在此框架下，極化式（POL）與金字塔式（PYR）訓練模型對訓練量的組織方式有所不同：

• 極化訓練（POL）：強調兩極化配置，將總訓練量的 75–80%（甚至高達 80–90%）分配至第 1 區間，第 2 區間少於 10%，第 3 區間占 15–20% [1, 11]。
• 金字塔訓練（PYR）：將最大比例分配給低強度（約 60–70%），相當可觀的中等訓練量分配給第 2 區間（15–25%），較小比例分配給第 3 區間（0–10%），形成隨強度遞增而時間遞減的階梯式分布 [9, 11]。
• 閾值訓練（THR）：與 POL 和 PYR 相比，偏重閾值的模型將總訓練量的 35% 以上直接分配於第 2 區間 [1]。

值得注意的是，TID 的分類高度取決於測量方法；以距離或區間停留時間（time-in-zone）為指標時可能將某訓練模式歸類為金字塔式，而單元目標或單元自覺疲勞程度（session-RPE）指標則常將完全相同的訓練階段歸類為極化式 [4, 15]。

有氧能力與閾值功率的統合分析比較

一項在 PROSPERO 註冊、納入 17 項研究（n = 437）的系統性文獻回顧與統合分析，評估了極化訓練與其他耐力訓練分布相比的效果 [1]。該分析顯示，整體而言，極化訓練在提升 $\text{VO}_2\text{peak}$ 方面顯著優於其他 TID（SMD = 0.24 [95% CI 0.01, 0.48], p = 0.040, $I^2 = 0%$）[1]。

然而，次群組分析揭示了此效應的關鍵適用邊界：

• 介入持續時間：POL 在提升 $\text{VO}_2\text{peak}$ 上的優勢僅限於短於 12 週的介入方案（SMD = 0.40 [95% CI 0.08, 0.71], p = 0.01, n = 163）[1]。持續 12 週或更長時間的介入中，POL 與其他模型在 $\text{VO}_2\text{peak}$ 的增長上未見顯著差異 [1]。
• 運動員水準：該優勢僅見於受過高度訓練/國家級運動員（SMD = 0.46 [95% CI 0.10, 0.82], p = 0.01, n = 125）[1]。

在檢視閾值功率與功能性表現指標時，極化訓練並未展現出顯著優於其他 TID 的優勢 [1]：

• VT2/LT2 時的速度/功率：SMD = 0.04 (95% CI -0.21 至 0.29, p = 0.75, n = 253) [1]。
• 計時賽表現：SMD = -0.01 (95% CI -0.28 至 0.25, p = 0.92, n = 221) [1]。
• 力竭時間（TTE）：SMD = 0.30 (95% CI -0.20 至 0.79, p = 0.24, n = 66) [1]。

一項涵蓋 13 項研究與 348 名運動員的 2025 年個別參與者資料網絡統合分析證實了這些發現，指出無論是在 $\text{VO}_2\text{max}$ 增幅或計時賽表現上，極化式與金字塔式分布之間均無統計上顯著的優劣排序差異 [15]。

介入性與長期追蹤研究證據

個別介入實驗顯示，結果會因對照組別與運動員受訓狀態而有所差異：

• POL 與閾值及高強度間歇（HIIT）比較：在 Stöggl 與 Sperlich（2014）針對 41–48 名訓練有素耐力運動員進行的 9 週隨機對照試驗中，極化訓練使 $\text{VO}_2\text{peak}$、峰值功率/速度以及力竭時間提升了 11.7%，而以閾值為主的訓練計畫則導致 $\text{VO}_2\text{peak}$ 平均下降 4% [4, 10, 12, 15]。Neal 等人（2013）同樣在受訓自行車手中證實，POL 相較於 THR 帶來了更優異的表現增益 [4]。
• 業餘/大眾組：在 Muñoz 等人（2014）針對業餘運動員進行的 10 週研究中，75/5/20 的極化分布使 10 公里計時賽表現提升 5.0%，而 45/35/20 的閾值組提升 3.5%；在依從度最高的次群組中，兩者差距擴大至 7.0% 對 1.6% [10]。
• POL 與 PYR 直接比較：在鐵人三項與自行車情境中，極化模型與金字塔模型的直接正面對決通常呈現出相當的比賽結果。備戰半程超鐵（half-Ironman）距離賽事的鐵人三項選手在金字塔式與極化式介入後的完賽成績平均僅相差兩秒，且第 2 區間訓練量與長距離賽事及跑步表現呈現正相關 [12]。

生理機制與菁英選手實務

對菁英耐力運動表現的觀察追蹤顯示，三大自行車大環賽（環法、環義）排名前 5 的自行車手以及挪威奧運獎牌得主，通常將年度訓練時間的 80% 到 90% 花在 LT1/VT1 以下（低於 80–85% FTP）[5]。

當在 6 週的訓練階段中控制總做功與能量消耗一致時，高強度間歇（第 5 區間）相比單純的第 2 區間訓練，在單次訓練所引發的 $\text{VO}_2\text{max}$ 適應（+6.2 對 +1.8 ml/min/kg）以及第二閾值功率（+28 W 對 +11 W）上產生了更大的效益 [5]。然而，由於高強度訓練會帶來高昂的自律神經與肝醣消耗代價，大訓練量的第 1/2 區間訓練遂成為可持續的基石，使選手能在不產生過度訓練（overreaching）的前提下，反覆維持高強度的訓練品質 [5, 6]。

大週期中的週期化安排

研究證據顯示，極化訓練與金字塔訓練之爭，最佳解法是透過循序漸進的週期化安排，而非僵化固守單一模型 [4, 9]：

• 循序轉換：Filipas 等人（2022）追蹤 60 名跑者長達 16 週，發現儘管訓練量匹配的平行對照組（純 POL 對純 PYR）取得了相近的進步，但若採用循序大週期——在基礎期早期採用金字塔式分布，並在賽前期轉為極化式分布——則能為 $\text{VO}_2\text{max}$ 及計時賽表現帶來最大幅度的提升（+1.5%）[4]。
• 階段分配：大週期化架構通常在季前基礎期安排每週 3–4 次低強度有氧基礎訓練，在進階建構期（build phase）轉為每週 2–3 次，並在競賽期維持每週 2 次，同時配合針對性的閾值與高強度刺激 [6, 9]。